SKILLEMALL.ai
GitHub ↗ EN Войти

BD smart-memory

Многоуровневая система управления долговременной памятью. Управляемая подсказками (Cue-driven), семантический поиск TF-IDF перед задачей, структурированный сбор карточек знаний с помощью LLM после задачи, поддержка семантического удаления дубликатов, временного затухания веса, четырехступенчатого конечного автомата GC, анализа сигналов и отчета о зрелости, межкарточных связей и кластерного синтеза. Трехъязычная документация. Ключевые слова для срабатывания: память, memory, запись, запомнить, вспомнить, recall, опыт, накопление, база знаний, долговременная память, smart-memory.

машинный переводПоказать оригиналСкрыть оригинал«分层长期记忆管理系统。线索驱动（Cue-driven），任务前 TF-IDF 语义召回，任务后 LLM 结构化收割知识卡片，支持语义去重、时…»

分层长期记忆管理系统。线索驱动（Cue-driven），任务前 TF-IDF 语义召回，任务后 LLM 结构化收割知识卡片，支持语义去重、时间衰减权重、四级 GC 状态机、信号分析与成熟度报告、跨卡关联与聚类合成。三语文档。 触发关键词：记忆、memory、记录、记住、回忆、recall、经验、沉淀、知识库、长期记忆、smart-memory。

ClawHub Agent Skills автор: Marvisk v2.2.7 MIT-0 37 файлов · 1 скрипт тело ≈ 434 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Многоуровневая система управления долговременной памятью.

Как процесс D 36/100 · Процесс не доведён — слабые места: шаги, результат и критерий готовности, когда включается

СправочникИИ и агентыРазработкаДанные и аналитикатип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
B
79/100
безопасность, качество, тесты
Безопасность 60%
90
Качество 40%
63
Прогон на моделях
не было
Процессный рейтинг
D
36/100
Процесс не доведён
Шаги вес 15
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
три самых слабых из десяти параметров · все десять

Чем это грозит

Находки средней серьёзности: скорее всего скилл честный, но прочитайте, что именно насторожило сканер.

Обфускация средняя серьёзность

Ниже описан худший случай для этой категории. Здесь находка средней серьёзности: guard увидел признак, но не доказательство.

Если установить

В файлах есть невидимые символы, закодированные команды или спрятанные комментарии для модели. То, что вы читаете, отличается от того, что видит агент.

Автору

Уберите невидимые символы (часто они попадают из копипаста) и закодированные строки: их не пропустит ни один каталог. Инструкции для модели должны быть видны и человеку.

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
Для прогона на моделях — необязательно
  • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
  • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

Находки guard · 2

✓ Критических и высоких находок нет

Средние и низкие: 2
  • средняя Обфускация obf-base64-blob references/review_gbp.md:6
    Длинный blob, похожий на base64
    Rese…e1: xGef…Cyi/cNnY…wne/xpqRvpFXCtOfDULjDdLIu+MCso1RF68e+eNL+0RGj…9tS/T6r6…fF6
  • средняя Обфускация obf-base64-blob references/review_gbp.md:9
    Длинный blob, похожий на base64
    Rese…e2: xGef…Cyi/cNnY…wne/xpqRvpFXCtOfDULjDdLIu+MCso1RF68e+eNL+0RGj…9tS/T6r6…fF6

Просканировано файлов: 37. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 36/100

  • 0Шаги. Инструкция сплошным текстом, шаги не выделены
  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Ошибки и развилки. Линейный процесс без обработки сбоев
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 434 токенов

Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

Сигналы качества

  • +5В description нет примеров фраз, по которым скилл должен срабатывать
  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Нет пошаговых инструкций или чек-листа
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -42 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
  • -32 из 14 скриптов не упомянуты в SKILL.md
  • +2Инструкции на одном языке
  • +3Длина description 173 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 8 заголовков
  • +4Есть примеры (3 блоков кода)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 63.

Внешние проверки

ClawHub: suspicious
This is mostly a local long-term memory tool, but it should be reviewed because it can persist conversation-derived data and environment details while some automatic maintenance and mutation behavior is under-scoped.
LLM: suspicious (medium) · VirusTotal: · 9 июл. 2026 г.